基于团体信息的微博传播趋势预测的研究

发布时间：2021-04-19 18:22

　　微博已经成为一种信息获取的重要途径和信息传播的载体,微博上的虚假信息的大量传播可能会造成恐慌,因此有必要对微博中相关的舆论话题进行监管。准确地预测微博的传播趋势有助于提前对舆论进行干预,并采取合理的管控措施,使其朝着积极的方向发展,使微博更好的服务大众。传播趋势预测在舆论监管、政府宣传、广告投放、票房预测、热点推送和企业营销等领域有着广泛应用。一方面,传统的微博传播趋势预测方法通常只关注微博自身内容的个体特征,忽略了微博传播过程中时空背景环境等变化的动态特征,导致微博特征描述不准确的问题,无法准确地对微博进行建模。微博传播网络是一个动态的社交网络,转发者作为微博的传播动力,使得微博在传播过程中信息得到了补充,故而预测任务也应该考虑传播过程中产生的新的特征信息,即考虑用户团体信息。另一方面,传统方法通常忽略微博传递过程中的用户的情感态度信息,转发者的情感信息是一种很重要的特征,其可以体现作者的观点看法。现有研究表明通常带有情感的评论更可能影响其他用户,用户情感特征也是影响传播规模的因素,情感在网络中传播时,带有情感的微博普遍比不带情感的微博传播范围更广。目前大多数研究者只关注微博的传播规... 

【文章来源】：上海师范大学上海市

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究进展
        1.2.1 微博传播趋势
        1.2.2 微博情感趋势
    1.3 研究思路
    1.4 论文组织结构
第2章 相关理论和技术
    2.1 相关理论
        2.1.1 微博网络
        2.1.2 常见的预测方法
    2.2 相关技术
        2.2.1 基于TF-IDF的关键信息提取技术
        2.2.2 基于簇的关键信息提取技术
        2.2.3 DCNN扩张卷积神经网络
        2.2.4 RNN和 LSTM神经网络
    2.3 模型架构总体
        2.3.1 设计原理
        2.3.2 模型设计
    2.4 本章小结
第3章 基于团体信息的表示方法及验证
    3.1 方法概述
    3.2 微博团体特征表示
        3.2.1 博文和博主特征
        3.2.2 基于簇和DCNN的评论关键特征
        3.2.3 团体影响力特征
    3.3 转发数预测模型构建
        3.3.1 预测模型原理及流程
        3.3.2 预测模型结构
        3.3.3 模型的计算和训练
        3.3.4 验证结果
    3.4 本章小结
第4章 基于情感的转发量及情感趋势联合预测
    4.1 联合预测模型概述
    4.2 微博情感特征
    4.3 联合预测模型
        4.3.1 模型结构
        4.3.2 模型的训练
    4.4 本章小结
第5章 实验
    5.1 实验准备与数据预处理
        5.1.1 实验环境
        5.1.2 数据集及预处理
    5.2 评估指标和对比方法
    5.3 情感趋势和转发数联合预测模型
        5.3.1 团体特征提取和分析
        5.3.2 情感分析及特征
        5.3.3 训练过程及参数选择
        5.3.4 实验结果
    5.4 本章小结
第6章 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢


【参考文献】：
期刊论文
[1]基于BP神经网络的微博转发量的预测[J]. 邓青,马晔风,刘艺,张辉.  清华大学学报(自然科学版). 2015(12)
[2]基于微博意见领袖参与行为的热点话题检测研究[J]. 赵龙文,陈明艳,公荣涛,姚海波.  情报科学. 2015(04)
[3]基于SVM的微博转发规模预测方法[J]. 李英乐,于洪涛,刘力雄.  计算机应用研究. 2013(09)
[4]社交网络中的用户转发行为预测[J]. 谢婧,刘功申,苏波,孟魁.  上海交通大学学报. 2013(04)

硕士论文
[1]社交媒体中微博转发的预测模型研究[D]. 刘刚.北京邮电大学 2015



本文编号：3148070